Академический Документы
Профессиональный Документы
Культура Документы
PROBABILÍSTICOS
Objetivo:
- Continuos
- Discretos
Una gran cantidad de fenómenos pueden
modelarse utilizando distribuciones discretas o
continuas.
𝟏
𝒇𝑿 𝒙; 𝒌 = 𝒌
𝑥 = 𝑥1 , 𝑥2 , … , 𝑥𝑘
Se denota: 𝑿~𝒖𝒏𝒊𝒇𝒐𝒓𝒎𝒆(𝒌)
En la notación, 𝒇𝑿 𝒙; 𝒌 , la variable aleatoria es X,
mientras que k es un parámetro del cual depende la
distribución.
𝒙𝒊
0
𝝁𝑿 = 𝑬 𝑿 = 𝒊=𝟏
𝒙𝒊 − 𝝁𝑿 𝟐
𝟐 𝒊=𝟏
0
𝝈𝑿 =𝑽 𝑿 =
𝒌
ENSAYO DE BERNOULLI
Por ejemplo:
Llamar por teléfono y ver si te contestan
Revisar un medicamento y ver si ya caducó
PROCESO DE BERNOULLI
Consiste en realizar n veces el ensayo de Bernoulli.
Por ejemplo:
Observar al final de una línea de producción si el
producto está defectuoso o no.
DISTRIBUCIÓN DE BERNOULLI
𝑿~𝑩𝒆𝒓𝒏𝒐𝒖𝒍𝒍𝒊(𝒑)
𝒙 𝟏−𝒙
𝒑 𝟏−𝒑 ; 𝒙 = 𝟎, 𝟏
𝒇𝑿 𝒙 = ቊ
𝟎; 𝐞𝐧 𝐨𝐭𝐫𝐨 𝐜𝐚𝐬𝐨
𝝁𝑿 = 𝒑
𝟐
𝝈𝑿 = 𝒑𝒒
La limitante de la distribución Bernoulli es que sólo se
tienen dos resultados y el experimento sólo se realiza una
vez, por lo que sirve para el lanzamiento de una moneda
(que también se puede modelar con distribución
uniforme si la moneda es justa) o para el lanzamiento de
un dado pero únicamente cuando interesa la observación
de un número en particular contra la no ocurrencia de
dicho número, etc.
La principal utilidad de la distribución de Bernoulli se
obtiene cuando se generaliza la definición de la variable
aleatoria de Bernoulli.
𝒏 𝒙
𝒑 𝟏 − 𝒑 𝒏−𝒙 ; 𝒙 = 𝟎, 𝟏, 𝟐, … 𝒏
𝒇𝑿 𝒙 = ቐ 𝒙
𝟎; 𝐞𝐧 𝐨𝐭𝐫𝐨 𝐜𝐚𝐬𝐨
𝑿~𝑩𝒊𝒏𝒐𝒎𝒊𝒂𝒍(𝒏, 𝒑)
DISTRIBUCIÓN BINOMIAL
Para una variable aleatoria X con distribución
binomial y parámetros n y p, se tiene:
𝝁𝑿 = 𝒏𝒑
𝟐
𝝈𝑿 = 𝒏𝒑𝒒
DISTRIBUCIÓN GEOMÉTRICA
Entonces:
X tiene una distribución geométrica con parámetro p.
𝑿~𝑮𝒆𝒐𝒎é𝒕𝒓𝒊𝒄𝒂(𝒑)
DISTRIBUCIÓN GEOMÉTRICA
𝒒𝒙−𝟏 𝒑; 𝒙 = 𝟏, 𝟐, … , 𝒏
𝒇𝑿 𝒙 = ቊ
𝟎; 𝐞𝐧 𝐨𝐭𝐫𝐨 𝐜𝐚𝐬𝐨
𝟏 𝟏−𝒑
𝝁𝑿 = 𝟐
𝝈𝑿 =
𝒑 𝒑𝟐
DISTRIBUCIÓN DE PASCAL
(BINOMIAL NEGATIVA)
El interés es la cantidad de ensayos necesarios para
obtener r éxitos.
𝒙−𝟏 𝒓 𝒙−𝒓
𝒑 𝟏−𝒑 ; 𝒙 = 𝒓, 𝒓 + 𝟏, …
𝒇𝑿 𝒙 = ቐ 𝒓 − 𝟏
𝟎; 𝐞𝐧 𝐨𝐭𝐫𝐨 𝐜𝐚𝐬𝐨
𝑿~𝑷𝒂𝒔𝒄𝒂𝒍(𝒓, 𝒑)
DISTRIBUCIÓN DE PASCAL
(BINOMIAL NEGATIVA)
𝒓 𝟐 𝒓𝒒
𝝁𝑿 = 𝝈𝑿 =
𝒑 𝒑𝟐
DISTRIBUCIÓN HIPERGEOMÉTRICA
DIFERENCIAS IMPORTANTES
BINOMIAL HIPERGEOMÉTRICA
𝑿~𝑯𝒊𝒑𝒆𝒓𝒈𝒆𝒐𝒎é𝒕𝒓𝒊𝒄𝒂(𝒓, 𝒏, 𝑵)
DISTRIBUCIÓN HIPERGEOMÉTRICA
𝒓
𝝁𝑿 = 𝒏
𝑵
𝟐 𝒓 𝒓 𝑵−𝒏
𝝈𝑿 = 𝒏 𝟏−
𝑵 𝑵 𝑵−𝟏
EXPERIMENTO DE POISSON
𝑿~𝑷𝒐𝒊𝒔𝒔𝒐𝒏(λ)
𝝁𝑿 = λ
𝟐
𝝈𝑿 =λ
APROXIMACIÓN DE LA DISTRIBUCIÓN
BINOMIAL A LA DE POISSON
1. n ≥ 20 y p ≤ 0.05
2. n ≥ 100 y np ≤ 10.